AI хэрхэн сурдаг вэ?

AI хэрхэн сурдаг вэ?

AI хэрхэн сурдаг вэ? , энэ гарын авлага нь энгийн хэлээр том санаануудыг задалсан жишээнүүд, өчүүхэн тойруу замууд, цөөн хэдэн төгс бус зүйрлэлүүдээр тусалсан хэвээр байна. Үүнд орцгооё. 🙂

Үүний дараа унших дуртай нийтлэлүүд:

🔗 Урьдчилан таамаглах хиймэл оюун ухаан гэж юу вэ
Урьдчилан таамаглах загварууд нь түүхэн болон бодит цагийн өгөгдлийг ашиглан үр дүнг хэрхэн таамагладаг.

🔗 AI ямар салбарыг тасалдуулах вэ
Салбаруудыг автоматжуулалт, аналитик, агентууд өөрчилсөн байх магадлалтай.

🔗 GPT нь юу гэсэн үг вэ?
GPT товчлол ба гарал үүслийн талаар тодорхой тайлбар.

🔗 AI ур чадвар гэж юу вэ
AI системийг бий болгох, ашиглах, удирдах үндсэн ур чадвар.

Тэгэхээр, үүнийг яаж хийдэг вэ? ✅

хиймэл оюун ухаан яаж сурдаг вэ гэж асуухад , Тэд ихэвчлэн: загвар өмсөгчид зүгээр л гоёмсог математикийн тоглоомуудын оронд хэрхэн хэрэгтэй болдог вэ гэсэн утгатай. Хариулт нь жор юм:

  • Тодорхой зорилго - "сайн" гэж юу болохыг тодорхойлдог алдагдлын функц. [1]

  • Чанарын өгөгдөл - олон янзын, цэвэр, хамааралтай. Тоо хэмжээ нь тусалдаг; олон янз байдал нь илүү их тусалдаг. [1]

  • Тогтвортой оновчлол - хадан цохионоос ганхахаас зайлсхийхийн тулд заль мэх бүхий градиент уналт. [1], [2]

  • Ерөнхий дүгнэлт - зөвхөн сургалтын багцаас гадна шинэ өгөгдөл дээр амжилт. [1]

  • Санал хүсэлтийн гогцоо - үнэлгээ, алдааны дүн шинжилгээ, давталт. [2], [3]

  • Аюулгүй байдал, найдвартай байдал - хашлага, туршилт, баримт бичиг нь эмх замбараагүй байдал биш юм. [4]

Хүртээмжтэй суурийн хувьд сонгодог гүнзгий сурах бичвэр, хараанд ээлтэй хичээлийн тэмдэглэл, практик сургалт нь таныг тэмдэгтэд живүүлэхгүйгээр зайлшгүй шаардлагатай зүйлсийг багтаасан болно. [1]–[3]

AI хэрхэн сурдаг вэ? Энгийн англи хэлээр богино хариулт ✍️

AI загвар нь санамсаргүй параметрийн утгуудаас эхэлдэг. Энэ нь таамаглал дэвшүүлдэг. Та энэ таамаглалыг хожигдолтойгоор оноо . градиент ашиглан алдагдлыг багасгахын тулд эдгээр параметрүүдийг түлхэнэ үү . Загвар сайжрахаа болих хүртэл (эсвэл таны зууш дуусах хүртэл) энэ давталтыг олон жишээн дээр давт. Энэ бол нэг амьсгаагаар сургалтын давталт юм. [1], [2]

Хэрэв та арай илүү нарийвчлалтай байхыг хүсч байвал доорх градиент уналт ба буцах тархалтын хэсгүүдийг харна уу. Хурдан, шингэцтэй суурь мэдээлэл авахын тулд богино хэмжээний лекц, лаборатори өргөн боломжтой. [2], [3]

Үндсэн ойлголтууд: өгөгдөл, зорилго, оновчлол 🧩

  • Өгөгдөл : Оролт (x) ба зорилтот (y). Өгөгдөл хэдий чинээ өргөн, цэвэрхэн байна төдий чинээ ерөнхийлөн дүгнэх боломж нэмэгдэнэ. Өгөгдлийн эрэл хайгуул нь дур булаам биш, гэхдээ энэ нь үл мэдэгдэх баатар юм. [1]

  • Загвар : (f_\theta(x)) параметртэй (\theta) функц. Мэдрэлийн сүлжээнүүд нь ээдрээтэй аргаар нийлдэг энгийн нэгжүүдийн овоолгууд юм—Лего тоосго, гэхдээ илүү зөөлөн. [1]

  • Зорилго : Алдааг хэмждэг алдагдал (L(f_\theta(x), y)). Жишээ нь: дундаж квадрат алдаа (регресс) ба кросс энтропи (ангилал). [1]

  • Оновчлол : Параметрүүдийг шинэчлэхийн тулд (стохастик) градиент уруулыг ашиглана уу: (\theta \leftarrow \theta - \eta \nabla_\theta L). Сурах түвшин (\eta): хэт том, та эргэн тойрон эргэлддэг; хэтэрхий жижиг, чи үүрд унтдаг. [2]

Алдагдал функц, оновчлолын талаархи цэвэр танилцуулгын хувьд сургалтын заль мэх, алдааны талаархи сонгодог тэмдэглэлүүд нь маш сайн skim юм. [2]

Хяналттай суралцах: шошготой жишээнүүдээс суралц 🎯

Санаа : Оролтын болон зөв хариултын хос загварыг харуул. Загвар зураглалыг сурдаг (x \rightarrow y).

  • Нийтлэг даалгавар : зургийн ангилал, мэдрэмжийн дүн шинжилгээ, хүснэгтийн таамаглал, яриа таних.

  • Ердийн алдагдал : ангиллын кросс энтропи, регрессийн дундаж квадрат алдаа. [1]

  • Хордлого : шошгоны дуу чимээ, ангийн тэнцвэргүй байдал, өгөгдөл алдагдсан.

  • Засварууд : давхрагатай түүвэрлэлт, найдвартай алдагдал, зохицуулалт, илүү олон төрлийн мэдээлэл цуглуулах. [1], [2]

Олон арван жилийн жишиг үзүүлэлт, үйлдвэрлэлийн практикт үндэслэн үр дүн нь урьдчилан таамаглах боломжтой, хэмжүүрүүд нь ойлгомжтой байдаг тул хяналттай суралцах нь хамгийн чухал зүйл хэвээр байна. [1], [3]

Хяналтгүй, бие даасан сургалт: өгөгдлийн бүтцийг сур 🔍

Хяналтгүй хүмүүс шошгогүй хэв маягийг сурдаг.

  • Кластер хийх : ижил төстэй цэгүүдийг бүлэглэх - k- гэсэн утга нь энгийн бөгөөд гайхалтай ашигтай.

  • Хэмжээг багасгах : өгөгдлийг шаардлагатай чиглэлд шахах - PCA нь гарцын хэрэгсэл юм.

  • Нягт / үүсгэгч загварчлал : өгөгдлийн тархалтыг өөрөө сур. [1]

Өөрийгөө удирддаг орчин үеийн хөдөлгүүр: загварууд өөрсдийн хяналтыг бий болгодог (маск зүүсэн таамаглал, ялгаатай сургалт) нь танд шошгогүй мэдээллийн далай дээр урьдчилан бэлтгэл хийж, дараа нь нарийн тааруулах боломжийг олгоно. [1]

Суралцлыг бататгах: хийж, санал хүсэлтээ авч сур 🕹️

Агент нь хүрээлэн буй орчинтой харилцаж , шагнал , урт хугацааны шагналыг нэмэгдүүлэх бодлогыг

  • Үндсэн хэсгүүд : төр, үйлдэл, шагнал, бодлого, үнэ цэнийн функц.

  • Алгоритмууд : Q-сургалт, бодлогын градиент, жүжигчин-шүүмжлэгч.

  • Хайгуул ба мөлжлөг : шинэ зүйлийг туршиж үзэх эсвэл үр дүнтэй зүйлийг дахин ашиглах.

  • Зээлийн даалгавар : аль үйлдэл нь ямар үр дүнд хүргэсэн бэ?

Шагнал нь эмх замбараагүй байх үед хүний ​​санал хүсэлт сургалтыг удирдан чиглүүлдэг - зэрэглэл эсвэл сонголт нь төгс шагналыг гараар кодлохгүйгээр зан төлөвийг төлөвшүүлэхэд тусалдаг. [5]

Гүнзгий суралцах, арын тулгуур, градиент уналт - цохилж буй зүрх 🫀

Мэдрэлийн тор нь энгийн функцүүдийн нэгдэл юм. буцах тархалтад тулгуурладаг :

  1. Урагшаа дамжуулалт : оролтын таамаглалыг тооцоолох.

  2. Алдагдал : таамаглал болон зорилтуудын хоорондох алдааг хэмжих.

  3. Буцах : параметр тус бүрээр алдагдлыг градиент тооцоолохдоо гинжин хэлхээний дүрмийг хэрэглэнэ.

  4. Шинэчлэлт : оптимизатор ашиглан параметрүүдийг градиентийн эсрэг түлхэх.

Momentum, RMSProp, Adam зэрэг хувилбарууд нь сургалтыг ааштай болгодог. Сургуулиа завсардах , жин хасах , эрт зогсоох гэх мэт хэвшүүлэх аргууд нь цээжлэхийн оронд загварыг нэгтгэхэд тусалдаг. [1], [2]

Трансформатор ба анхаарал: орчин үеийн загварууд яагаад ухаалаг санагддаг вэ 🧠✨

Трансформаторууд хэл, алсын хараатай холбоотой олон давтамжтай тохиргоог сольсон. Гол заль мэх бол өөртөө анхаарал хандуулах бөгөөд энэ нь загвар нь контекстээс хамааран оролтын янз бүрийн хэсгийг жинлэх боломжийг олгодог. Байршлын кодчилол нь дарааллыг зохицуулдаг бөгөөд олон толгойн анхаарал нь загварт нэг дор өөр өөр харилцаанд анхаарлаа төвлөрүүлэх боломжийг олгодог. Өргөтгөх-илүү олон төрлийн өгөгдөл, илүү олон параметрүүд, урт хугацааны сургалт нь ихэвчлэн тусалдаг бөгөөд өгөөж буурч, зардал өсдөг. [1], [2]

Ерөнхий дүгнэлт, хэт зохицол, хазайлттай бүжиг 🩰

Загвар өмсөгч нь сургалтын багцыг давж, бодит ертөнцөд унасан хэвээр байх болно.

  • Хэт тааруулах : дуу чимээг цээжилдэг. Сургалтын алдаа буурсан, туршилтын алдаа дээш.

  • Дутуу тохирох : хэтэрхий энгийн; дохио алддаг.

  • Хязгаарлалт – хэлбэлзлийн солилцоо : нарийн төвөгтэй байдал нь хэвийх байдлыг бууруулдаг боловч хэлбэлзлийг нэмэгдүүлэх боломжтой.

Хэрхэн илүү сайн ерөнхийлэх вэ:

  • Илүү олон төрлийн өгөгдөл - өөр өөр эх сурвалж, домэйн, захын тохиолдол.

  • Тогтмол байдал - сургуулиа орхих, жин хасах, өгөгдлийг нэмэгдүүлэх.

  • Зөв баталгаажуулалт - цэвэр туршилтын багц, жижиг өгөгдлийн хөндлөн баталгаажуулалт.

  • Дрифтийг хянах - таны өгөгдлийн тархалт цаг хугацааны явцад өөрчлөгдөх болно.

Эрсдэлийг ухамсарласан дадлага нь эдгээрийг амьдралын мөчлөгийн үйл ажиллагаанууд-засаглал, зураглал, хэмжилт, удирдлага зэрэг нэг удаагийн хяналтын хуудас биш юм. [4]

Чухал хэмжүүрүүд: бид суралцсаныг хэрхэн мэддэг 📈

  • Ангилал : нарийвчлал, нарийвчлал, эргүүлэн татах, F1, ROC AUC. Тэнцвэргүй өгөгдөл нь нарийвчлал-санах муруйг шаарддаг. [3]

  • Регресс : MSE, MAE, (R^2). [1]

  • Зэрэглэл/татаж авах : MAP, NDCG, recall@K. [1]

  • Үүсгэх загварууд : төөрөгдөл (хэл), BLEU/ROUGE/CIDEr (текст), CLIP-д суурилсан оноо (олон талт), хүний ​​үнэлгээ. [1], [3]

Хэрэглэгчийн нөлөөнд нийцэх хэмжүүрүүдийг сонгоно уу. Хуурамч эерэг үр дүн нь бодит зардал бол нарийвчлалын өчүүхэн овойлт нь хамааралгүй байж болно. [3]

Бодит ертөнц дэх сургалтын ажлын явц: энгийн зураг төсөл 🛠️

  1. Асуудлыг тодорхойлох - оролт, гаралт, хязгаарлалт, амжилтын шалгуурыг тодорхойлох.

  2. Мэдээллийн дамжуулах хоолой - цуглуулах, шошголох, цэвэрлэх, хуваах, нэмэгдүүлэх.

  3. Суурь - энгийн эхлэх; шугаман эсвэл модны суурь нь гайхалтай өрсөлдөөнтэй байдаг.

  4. Загварчлал - хэд хэдэн гэр бүлийг туршиж үзээрэй: градиентаар нэмэгдүүлсэн мод (хүснэгт), CNN (зураг), трансформатор (текст).

  5. Сургалт - хуваарь, сургалтын хурдны стратеги, хяналтын цэг, шаардлагатай бол холимог нарийвчлал.

  6. Үнэлгээ - абляци ба алдааны шинжилгээ. Зөвхөн дундаж биш харин алдааг хар.

  7. Байршуулах - дүгнэлт дамжуулах хоолой, хяналт, бүртгэл, буцаах төлөвлөгөө.

  8. Давталт - илүү сайн өгөгдөл, нарийн тохируулга эсвэл архитектурын өөрчлөлтүүд.

Мини кейс : и-мэйл ангилагч төсөл нь энгийн шугаман суурь шугамаар эхэлж, дараа нь урьдчилан бэлтгэсэн трансформаторыг нарийн тохируулсан. Хамгийн том ялалт бол загвар биш байсан - энэ нь шошгоны хүснэгтийг чангатгаж, дутуу илэрхийлэгдсэн "ирмэг" ангиллыг нэмсэн явдал юм. Эдгээрийг хамруулсны дараа F1 баталгаажуулалт эцэст нь бодит гүйцэтгэлийг хянасан. (Таны ирээдүйн дүр: маш их талархаж байна.)

Өгөгдлийн чанар, шошголол, өөртөө худал хэлэхгүй байх нарийн урлаг 🧼

Хог хаягдал, харамсаж байна. Шошгоны удирдамж нь тууштай, хэмжигдэхүйц, хянаж үзэх ёстой. Аннотатор хоорондын гэрээний асуудал.

  • Жишээ, булангийн хэрэг, зангиа таслагч бүхий рубрик бич.

  • Давхардсан болон бараг давхцсан өгөгдлийн багцад аудит хийх.

  • Гарал үүслийг хянах-жишээ бүр хаанаас ирсэн, яагаад оруулсан бэ.

  • Мэдээллийн хамрах хүрээг энгийн жишиг үзүүлэлтээр бус бодит хэрэглэгчийн хувилбаруудын дагуу хэмжинэ.

Эдгээр нь таны бодитоор хэрэгжүүлж болох илүү өргөн хүрээтэй баталгаажуулалт, засаглалын тогтолцоонд бүрэн нийцдэг. [4]

Суралцах, нарийн тааруулах, адаптеруудыг шилжүүлэх - хүнд ачааг дахин ашиглах ♻️

Урьдчилан бэлтгэгдсэн загварууд ерөнхий дүрслэлд суралцдаг; Нарийн тохируулга нь тэдгээрийг бага өгөгдөлтэйгээр таны даалгаварт тохируулдаг.

  • Онцлогын олборлолт : нурууг хөлдөөх, жижиг толгойг сургах.

  • Бүрэн нарийн тааруулах : бүх параметрүүдийг хамгийн дээд хүчин чадлаар шинэчлэх.

  • Параметрийн хэмнэлттэй аргууд : адаптерууд, LoRA маягийн бага зэрэглэлийн шинэчлэлтүүд-тооцоолох үед сайн.

  • Домэйн дасан зохицох : домайн доторх шигтгээг тохируулах; жижиг өөрчлөлт, том ашиг. [1], [2]

Энэхүү дахин ашиглалтын загвар нь орчин үеийн төслүүд баатарлаг төсөвгүйгээр хурдан хөдөлж чаддагийн шалтгаан юм.

Аюулгүй байдал, найдвартай байдал, тохируулга - нэмэлт биш битүүд 🧯

Сурах нь зөвхөн нарийвчлалын тухай биш юм. Та бас бат бөх, шударга, зорилгодоо нийцсэн загваруудыг хүсч байна.

  • Эсэргүүцлийн бат бөх байдал : жижиг үймээн самуун нь загвар өмсөгчдийг хуурч чаддаг.

  • Хязгаарлалт ба шударга байдал : Зөвхөн нийт дундаж үзүүлэлтийг бус дэд бүлгийн гүйцэтгэлийг хэмжинэ.

  • Тайлбарлах боломжтой : Онцлогийн хамаарал болон судалгаа нь яагаад гэдгийг .

  • Давталт дахь хүн : хоёрдмол утгатай эсвэл өндөр нөлөө бүхий шийдвэр гаргах арга замууд. [4], [5]

Сонголтод суурилсан сургалт нь зорилго тодорхойгүй үед хүний ​​дүгнэлтийг оруулах нэг прагматик арга юм. [5]

Нэг минутын дотор түгээмэл асуултууд - хурдан гал ⚡

  • Тэгэхээр, AI хэрхэн сурдаг вэ? Алдагдлын эсрэг давталттай оновчлолоор дамжуулан, градиент нь илүү сайн таамаглал руу чиглүүлдэг. [1], [2]

  • Илүү их өгөгдөл үргэлж тусалдаг уу? Ихэвчлэн багассан өгөөж хүртэл. Сорт нь ихэвчлэн түүхий эзэлхүүнийг давдаг. [1]

  • Хэрэв шошго эмх замбараагүй байвал яах вэ? Чимээ шуугианд тэсвэртэй аргууд, илүү сайн rubric ашиглах, бие даан хяналттай урьдчилсан бэлтгэлийг анхаарч үзээрэй. [1]

  • Яагаад трансформаторууд давамгайлж байна вэ? Анхаарал нь сайн хэмжигдэж, урт хугацааны хамаарлыг олж авдаг; багаж хэрэгсэл нь боловсорч гүйцсэн. [1], [2]

  • Би бэлтгэлээ дуусгасан гэдгээ яаж мэдэх вэ? Баталгаажуулалтын алдагдлын өндөрлөгүүд, хэмжигдэхүүнүүд тогтворжиж, шинэ өгөгдөл нь хүлээгдэж буй байдлаар ажиллана, дараа нь зөрөх эсэхийг хянана. [3], [4]

Харьцуулалтын хүснэгт - өнөөдөр таны ашиглаж болох хэрэгслүүд 🧰

Зориудаар бага зэрэг хачин. Үнэ нь үндсэн номын сангуудад зориулагдсан байдаг - өргөн цар хүрээтэй сургалт нь мэдээжийн хэрэг дэд зардалтай байдаг.

Хэрэгсэл Хамгийн сайн нь Үнэ Яагаад сайн ажилладаг
PyTorch Судлаачид, барилгачид Үнэгүй - нээлттэй src Динамик график, хүчирхэг экосистем, гайхалтай хичээлүүд.
ТензорФлоу Үйлдвэрлэлийн багууд Үнэгүй - нээлттэй src Насанд хүрсэн үйлчилгээ, гар утсанд зориулсан TF Lite; том нийгэмлэг.
scikit-сур Хүснэгтийн өгөгдөл, суурь үзүүлэлт Үнэгүй Цэвэр API, давтахад хурдан, гайхалтай баримт бичиг.
Керас Түргэн прототипүүд Үнэгүй TF дээр өндөр түвшний API, унших боломжтой давхарга.
JAX Эрчим хүчний хэрэглэгчид, судалгаа Үнэгүй Авто-векторжуулалт, XLA хурд, гоёмсог математикийн чичиргээ.
Тэврэлдсэн царайтай трансформерууд NLP, алсын хараа, аудио Үнэгүй Урьдчилан бэлтгэгдсэн загварууд, энгийн нарийн тохируулга, гайхалтай зангилаа.
Аянга Сургалтын ажлын урсгал Чөлөөт цөм Бүтэц, бүртгэл, олон GPU-батарей багтсан.
XGBoost Хүснэгттэй өрсөлдөх чадвартай Үнэгүй Хүчтэй суурь үзүүлэлтүүд нь ихэвчлэн бүтэцлэгдсэн өгөгдөл дээр ялдаг.
Жин ба хазайлт Туршилтыг хянах Үнэгүй давхарга Дахин давтах чадвар, гүйлтүүдийг харьцуулах, илүү хурдан суралцах гогцоо.

Эхлэх эрх бүхий баримтууд: PyTorch, TensorFlow болон эмх цэгцтэй scikit-learn хэрэглэгчийн гарын авлага. (Нэгийг нь сонго, жижиг зүйл бүтээ, давт.)

Гүн шумбах: бодит цагийг хэмнэх практик зөвлөмжүүд 🧭

  • Сурах хурдны хуваарь : косинус задрал эсвэл нэг мөчлөг нь сургалтыг тогтворжуулах боломжтой.

  • Багцын хэмжээ : том байх нь үргэлж сайн биш байдаг-зөвхөн дамжуулах чадвараас гадна үзэх баталгаажуулалтын хэмжүүрүүд.

  • Жингийн эхлэл : орчин үеийн анхдагч үзүүлэлтүүд зүгээр; Хэрэв сургалтын лангуу зогссон бол эхлүүлэх горимыг дахин харах эсвэл эхний үеийг хэвийн болгох.

  • Хэвийн байдал : багцын норм эсвэл давхаргын норм нь оновчлолыг эрс жигдрүүлдэг.

  • Өгөгдлийг нэмэгдүүлэх : зургийн хувьд эргүүлэх/тайрах/өнгөний чичиргээ; текстийг далдлах/токен холих.

  • Алдааны шинжилгээ : алдааг нэг ирмэгээр нь бүлэглэх нь бүгдийг доош чирж болно.

  • Repro : үрийг тохируулах, гиперпарамуудыг бүртгэх, хяналтын цэгүүдийг хадгалах. Ирээдүйд та талархах болно, би амлаж байна. [2], [3]

Эргэлзээтэй байгаа бол үндсэн ойлголтуудыг дахин судлаарай. Үндсэн суурь нь луужин хэвээр байна. [1], [2]

Бараг хэрэг болох бяцхан зүйрлэл 🪴

Загвар өмсөгчийг сургах нь хачин хошуутай ургамлыг услахтай адил юм. Хэт их устай шалбааг. Хэт бага ган гачиг. Зөв хэмнэл, сайн өгөгдлөөс нарны гэрэл, цэвэр зорилгын шим тэжээлээр та өсөлтийг олж авна. Тийм ээ, бага зэрэг бяслагтай, гэхдээ энэ нь наалддаг.

AI хэрхэн сурдаг вэ? Бүгдийг нэгтгэж байна 🧾

Загвар санамсаргүй байдлаар эхэлдэг. Алдагдал дээр тулгуурласан градиент дээр суурилсан шинэчлэлтүүдээр параметрүүдээ өгөгдлийн загвартай уялдуулдаг. Урьдчилан таамаглахад хялбар болгодог төлөөлөл гарч ирдэг. Үнэлгээ нь суралцах нь санамсаргүй биш бодитой эсэхийг хэлж өгдөг. Аюулгүй байдлын үүднээс хашлага бүхий давталт нь үзүүлэнг найдвартай систем болгон хувиргадаг. Энэ бол бүхэл бүтэн түүх бөгөөд анх бодсоноос цөөн нууцлаг чичиргээтэй. [1]–[4]

Эцсийн тайлбар - Хэт удаан, уншаагүй 🎁

  • AI хэрхэн сурдаг вэ? Олон жишээн дээр градиент ашиглан алдагдлыг багасгах замаар. [1], [2]

  • Сайн өгөгдөл, тодорхой зорилтууд, тогтвортой оновчлол нь суралцах чадварыг бий болгодог. [1]–[3]

  • Ерөнхий дүгнэлт нь цээжлэхээс илүү байдаг - үргэлж. [1]

  • Аюулгүй байдал, үнэлгээ, давталт нь ухаалаг санааг найдвартай бүтээгдэхүүн болгон хувиргадаг. [3], [4]

  • Энгийнээр эхэлж, сайн хэмжиж, чамин архитектурыг хөөхөөсөө өмнө өгөгдлийг засч сайжруулаарай. [2], [3]

Лавлагаа

  1. Goodfellow, Bengio, Courville - Гүнзгий суралцах (үнэгүй онлайн текст). Холбоос

  2. Стэнфордын CS231n - Харааны танилтад зориулсан эвдэрсэн мэдрэлийн сүлжээ (хичээлийн тэмдэглэл, даалгавар). Холбоос

  3. Google - Машины сургалтын ослын курс: Ангиллын хэмжүүр (нарийвчлал, нарийвчлал, санах ой, ROC/AUC) . Холбоос

  4. NIST - AI эрсдэлийн удирдлагын тогтолцоо (AI RMF 1.0) . Холбоос

  5. OpenAI - Хүний сонголтоос суралцах нь (давуунд суурилсан сургалтын тойм). Холбоос

Албан ёсны AI Assistant дэлгүүрээс хамгийн сүүлийн үеийн хиймэл оюун ухааныг олоорой

Бидний тухай

Блог руу буцах